﻿Iara Martins Ottoni
NUSP: 10248583


Proposta A - Regressão Segmentada para Cálculo de Crescimento
Introdução
Para a análise de dados, muitas vezes é importante identificar como a variável dependente (y) se comporta em relação a uma ou mais variáveis independentes (x). O método mais comum para essa análise é utilizar uma regressão que identifique o modelo matemático onde os valor de y melhor se ajustam ao de x. Essa distribuição pode apresentar diferentes formas (e.g. quadrático, linear, exponencial, etc.). 
Em regressões onde as variáveis representam o crescimento de organismos, é difícil haver um modelo que descreva todos os tipos de crescimento. É pressuposto que o crescimento varie ao longo do tempo/idade, além de não haver limitações para o seu desenvolvimento. Em regressões exponenciais, é possível identificar um ponto de inflexão que separa duas relações lineares dos dados. Com isso, uma regressão que consiga segmentar as duas diferentes linearidade irá melhor explica a relação entre os parâmetros estudados.
Descrição
Esta função tem o objetivo de comparar a diferença nas inclinações em uma regressão segmentada. Para isso será irá identificado o ponto de inflexão que separa as duas retas utilizando o pacote Segmented. Com o ponto identificado será possível dividir os dados em duas retas e então comparar a diferença entre a inclinação de cada uma das retas. 
Input
* Data frame com os dados de crescimento a serem analisados;
Output
* Gráficos de inclinação das retas
* Coeficiente de inclinação das retas
* P-valor (se p<0.05 não há variação na inclinação)
Argumentos
* x = vetor de variação de y ao longo do tempo/idade
* y = vetor do crescimento da população (espécie alvo)
* plota = TRUE (gráficos são gerados)  


Plano B - Montando sua Horta


Introdução
A medida que o desenvolvimento humano aumenta, maior é o interesse em cultivar produtos orgânicos para consumo próprio. Muitas pessoas possuem o espaço limitado, desestimulando assim sua produção. Para um cultivo eficiente, que sustente as necessidades de cada um, é necessário conhecer os alimentos de interesse, assim como o espaço disponível para cultivo.
Descrição
Esta função tem o objetivo de otimizar o cultivo de espécies, de acordo com o espaço disponível. Para realizar essa função será necessário conhecer o espaço necessário para cada espécie se desenvolver e o espaço disponível para produção. Com isso será feito um algoritmo que identifique o melhor custo-benefício de cultivo, onde seja considerado o maior número de espécies por setor.
Input
* Data frame com as espécies selecionadas para cultivo e a área necessária para o desenvolvimento individual.
Output
* Gráfico de distribuição de espécies.
   * Ex:
Argumentos Desenho sem título (1).jpg 
* x = vetor do espaço necessário para o crescimento individual
* y = vetor de espécies
* plota = TRUE (gráfico de distribuição é gerado) 
* area = área total disponível para cultivo
* n = número mínimo de organismos de cada espécie (default = na)